如何通过 Matlab 中的 PartitionedEnsemble 模型预测新数据（测试集）的标签？

Posted 2023-03-13

【中文标题】如何通过 Matlab 中的 PartitionedEnsemble 模型预测新数据（测试集）的标签？

【英文标题】：How to predict labels for new data (test set) by the PartitionedEnsemble model in Matlab?

【发布时间】：2015-08-31 19:03:52

【问题描述】：

我在 Matlab 2014a 中通过函数 fitensemble() 为二进制分类问题训练了一个集成模型 (RUSBoost)。该函数的训练是通过函数fitensemble()的输入参数“kfold”进行10倍交叉验证。

但是，如果我使用 predict(model, Xtest)，则无法使用此函数训练的输出模型来预测新数据的标签。我查看了 Matlab 文档，上面说我们可以使用 kfoldPredict() 函数来评估训练好的模型。但是我没有通过这个函数找到任何新数据的输入。此外，我发现经过交叉验证的训练模型的结构与没有交叉验证的模型不同。那么，谁能告诉我如何使用经过交叉验证训练的模型来预测新数据的标签？谢谢！

【参考方案1】：

kfoldPredict() 需要 RegressionPartitionedModel 或 ClassificationPartitionedEnsemble 对象作为输入。这已经包含了用于 kfold 交叉验证的模型和数据。RegressionPartitionedModel 对象有一个字段Trained，其中存储了用于交叉验证的训练有素的学习者。 您可以使用这些学习者中的任何一个，并像 predict(learner, Xdata) 一样使用它。

编辑：

如果 k 太大，可能是一次或多次迭代中有意义的数据太少，因此该次迭代的模型不太准确。 k 没有一般规则，但 k=10 就像 MATLAB 默认值一样是一个很好的起点来玩它。 也许这对你来说也很有趣：https://stats.stackexchange.com/questions/27730/choice-of-k-in-k-fold-cross-validation

【讨论】：

谢谢！还有一个问题。 Trained 领域中的这些模型是否具有与该领域中其他模型相同的分类性能（能力）？也就是说，我可以从 Trained 字段中选择任何模型吗？

不，性能不一定相同。这取决于您的数据和您在 kfold 交叉验证中选择的 k。

您能否详细解释一下 k 和数据如何影响结果？ k 越大，数据越多越好？谢谢！

你看到我更新的答案了吗？你还有什么问题吗？如果您认为我的回答有帮助，如果您用绿色复选标记接受我的回答，我会很高兴:)